如何提取html 信息,提取HTML中的文本信息

有时候我们拿到一个HTML文本的时候我们并不在意它的格式，而只是想提取其中包含的文本信息。例如说为了在手机上显示一个超文本，如果直接显示的话那肯定会收到一大堆的错误，很多手机根本没有能力显示HTML信息，因此我们需要把存在于HTML中的文本提取出来并使用WML来重新组合以便手机可以正确的查看，这样做虽然丢失了格式，但是毕竟这种情况下更关心的是数据。下面给出一段程序完成这个功能，很简单！

/*

* Created on 2004-7-11

*/

package com.clickcom.wcp.util;

import org.htmlparser.Node;

import org.htmlparser.NodeFilter;

import org.htmlparser.Parser;

import org.htmlparser.util.NodeList;

/**

* 用于处理HTML信息的工具集合

* @author liudong

*/

public class HtmlUtils {

/**

* 抽取纯文本信息

* @param inputHtml

* @return

*/

public static String extractText(String inputHtml) throws Exception{

StringBuffer text = new StringBuffer();

Parser parser = Parser.createParser(new String(inputHtml.getBytes(),"8859